Genie 4 是 Google DeepMind 推出的实时世界模型，能够根据一句话生成可交互的 3D 世界，并首次在实时生成中内置原生音频与对话能力。与传统的文生视频模型不同，它生成的不是固定画面，而是可以实时操控、动态修改的持续世界，被外界视为通往通用智能体训练环境的重要尝试。
Genie 4 的近期进展
当前焦点与观察点
从 The Verge 和 TechCrunch（2026 年 10 月 27 日）的报道看，这一代 Genie 的三个关键词是原生音频、更真实的世界和实时引导（real-time steering），用户可以在交互过程中用自然语言动态修改世界。这让它同时被放在两条线上审视：一是游戏与内容生成的应用前景，二是作为智能体训练与评测环境的科研价值。
目前的争议点在于：世界模型生成的场景在长时间交互下能否保持物理与记忆一致性，仍是行业公认难点；而以研究预览优先开放的做法，也意味着公众对 Genie 4 实际能力的判断还要等更广泛的使用反馈。后续值得关注的节点包括 Ultra 订阅开放后的实际表现，以及它在智能体分步验证场景中的落地效果。